Rinascimento：搜索 Splendor 的行为空间

与面向性能的游戏博弈相比，使用人工智能（AI）进行游戏测试仍处于 AI 在游戏中的主要应用的边缘。游戏测试的主要目的之一是收集关于玩法数据，突出游戏设计中好与坏的特征，为游戏设计者改进设计提供有用见解。使用 AI 智能体有潜力大幅加速这一过程。本研究的目的是通过使用一种通用方法来映射游戏的行为空间（BSpace）。利用 MAP-Elites 算法，我们搜索 Rinascimento AI 智能体的超参数空间，并将其映射到由若干行为度量定义的行为空间。该方法能够突出 Splendor 原版游戏设计及两种变体中的典范性与退化性行为。特别地，与基于经典分数奖励信号的智能体相比，事件价值函数的使用通常在行为空间覆盖上表现出显著改进。